Train2Earn의 생태계

Synesis One AI 교육 플랫폼에서 빌더와 검수자가 되는 방법

인간의 언어

인간의 언어는 복잡하고 미묘합니다. 단어는 모호한 의미를 가질 수 있습니다. 비꼴 수도, 중의적 이기도, 그리고 암시 하기도 합니다. 때때로 우리는 아무 말 없이 많은 것을 말하는 대신 미소를 짓거나 치켜든 눈썹을 통해 의사소통을 합니다. 인간은 종종 이러한 미묘한 신호를 놓칩니다. 그렇다면 특히 오탈자가 있는 문장으로 말할 때, 컴퓨터가 인간을 이해하는 것이 얼마나 어려울지 상상해 보세요.

더 나은 챗봇을 만들기 위해

이 문제에 대한 대기업의 접근 방식은 처리 능력이 향상되고 데이터가 커질수록 AI 시스템이 더 말을 잘 알아듣고 '지능화'될 것이라는 것을 전제하고 있습니다. GPT와 같은 기계 학습 접근 방식에 기반한 알고리즘은 인간 언어에서 패턴을 감지하는 데는 능숙하지만 자연어 이해(의도를 알아내는 능력)는 좋지 못합니다. 인간 언어에 내장된 논리를 무시하고 대신 통계 계산에 의존하여 인간 의도의 예측 근사치를 생성하기 때문입니다. 이와 대조적으로 Mind AI 추론 엔진은 인간이 하는 것처럼 맥락화와 추상적 추론을 통해 학습합니다. 이 '캐노니컬' 접근 방식은 Mind AI 엔진이 인간 의도를 해결하는 데 유리한 점을 제공하며, Mind AI가 첫 상업적 응용을 위해 대화형 AI에 집중하기로 결정한 이유입니다.

Mind AI 추론 엔진은 입력을 기반으로 추론하고 논리적 결론을 도출할 수 있습니다. 예를 들어 "내 전화 배터리가 방전되었습니다"가 "내 전화기가 켜지지 않습니다"의 원인이라고 AI에게 가르치면 AI는 "전화기가 작동하려면 배터리의 전력이 필요하다"는 것을 이해할 것입니다. 향후 동일한 문제에 직면하면 이를 알 수 있습니다. 여러 분야에서 인간의 요청을 이해하려면 Mind AI 추론 엔진은 자연어 입력을 기반으로 구축된 강력한 데이터베이스가 필요합니다. 이 데이터베이스를 구축하기 위해 Mind AI는 Synesis One과 협력하여 AI가 세계의 '멘탈 맵'을 생성하는 데 필요한 지식을 크라우드소싱했습니다.

Train2Earn의 작동방식

Architect(아키텍트)는 고객의 질의에 답하는 데 필요한 분야별 지식을 크라우드소싱하기 위한 캠페인을 만듭니다. 그 다음, Builder(빌더)는 특정 분야에서 누군가가 특정 질의를 할 수 있는 모든 가능한 방법을 표현하기 위해 캠페인을 작업하고 자신의 창의력을 사용할 것인지를 선택합니다. 마지막으로, Validator(검수자)는 각 제출물을 검토하고 승인합니다.

발화가 승인된 빌더는 SNS 토큰으로 보상이 지급됩니다. 이를 통해 Mind AI 추론 엔진은 시간이 지남에 따라 인간의 질문을 맥락화하고 인간의 의도에 대한 논리적 추론을 할 수 있도록 세상의 '멘탈 맵'을 확장합니다.

Mental Map 만들기

Mind AI 엔진은 발화를 Specific(구체), General(일반), Entailment(함의)의 세 가지 유형으로 분류합니다. 이 범주는 언어 이론에 뿌리를 두고 있지만 존재론 간의 논리적 관계를 설정하기 위해 엔진이 사용하는 Mind AI의 고유한 3노드 데이터 구조(캐노니컬)에 매핑됩니다(white paper 참조).

마인드 AI의 언어학자들은 인간이 주어진 질문을 표현할 수 있는 다양한 방법을 AI가 파악하기 위해서는 주제당 패턴 다양성과 함께 약 300개의 우수한 품질의 검증된 발화가 필요하다고 판단했습니다. 검증을 통과하고 AI를 개선하는 발화를 만드는 것은 특히 이제 막 시작하는 경우 어려울 수 있습니다. Train2earn에서 성공률을 높일 수 있도록 다음 빌더 가이드라인을 구성했습니다.